本文最早撰写于4月，当时效果一般且工具JoyCode未开放外网因此文章也未发布。经过8个月的发展，编程智能体有了很大进步，越来越可用，生成的效果也越来越好。因此在新工具上执行了文章中相关案例，重新整理发布一下。
XML之父Tim Bray有个好玩的说法：“代码不写测试就像上了厕所不洗手……单元测试是对软件未来的一项必不可少的投资。” 从下图可以了解到85%的缺陷都在编码阶段产生，而发现Bug的阶段越靠后，修复成本就越高，而且是指数级别的增高！
从缺陷修复成本出发，单元测试的含金量不言而喻。
2022年12月OpenAI推出ChatGPT，经过2023一整年迭代和各方势力追赶，在24年迎来了集体的爆发。各式各样的工具层出不穷，从最开始的聊天机器人，到AI写作工具、AI图像工具、AI视频工具、AI幻灯片工具和AI编程工具等等。好像任何和内容创作相关的场景都可以和大模型挂钩，都能产生“化学反应”。
如果说编程上有难题，现在第一个想到的是问GPT，一般能给出比较满意的答案，生成的代码也基本靠谱。
但由于网络和中文语境要求，日常还是更多使用国内的大模型。在众多国内大模型中，笔者为何对Kimi情有独钟呢？因为我收...那必须是因为它的强项——长文本解读能力啦！
在日常开发中，为了保证技术方案的质量，一般会在撰写前进行调研。如果先前没有相关领域的知识储备，笔者的调研方式一般是先通过搜索引擎进行关键字查询，然后再基于搜索的结果进行发散。这样调研的结果受关键字抽象程度和搜索引擎排名影响较大，可能会存在偏差导致调研不充分。刚好大模型风靡有一段时间了，就想如果AI能自动检索资料并进行内容总结，岂不美哉。避免重复造轮子，先在网上检索了一下，发现刚好有一个工具“STORM”满足诉求。
提问：技术人的精神食粮是什么❓
AI给出的第一条是“知识与学习”。学习的方式有很多种，对笔者而言了解新技术和新热点是保持职业热爱很重要的方式。完成日常工作是保证物质基础，人终究还是想追求一些精神价值😂。
但日常工作已经占用了大量的时间，此外还有生活琐事需要对线，根本就没有时间搜集并学习新知识。这时如果有一个工具能自动抓取技术热点并将长篇大论的文字浓缩为100~200字左右的摘要，这样每天花半个小时就能消化信息了，这也太棒了吧（看过摘要也算读过文章了😁）。
